Теперь пару слов про вайб-кодинг и вообще разработку продуктов.
На скринах можно посмотреть статистику и релизы моего репозитория с приложением из курса.
Всего строк - 94к.
Добавлено за месяц - 19 500.
Убрать документацию, комментарии и остается примерно 400 строк кода в день.
Без LLM и агентов было примерно 70-80 строк в день.
Уже по факту можно утверждать - текущие агентные системы наконец дошли до уровня, который действительно дает буст разработки в 3x раз.
Теперь на реальных, коммерческих проектах, где страшно что-то сломать, надо что-то быстро чинить мы имеем просто гигантский рост производительности.
Но есть одно но.
Код - остается кодом.
Он превращается в лапшу хочешь ты этого или не хочешь.
Инфраструктура все так же падает с ошибками, которые не ты, не модель — не понимаете откуда взялись.
Все эти проблемы мешает тому самому ощущению - "вайб кодинга" о котором все говорят, потому что ты сидишь и в буквальном смысле потеешь.
Но я наконец понял, смог для себя объяснить, что это за "вайб" во время кодинга и как его получить:
Во-первых, нужно пользоваться топовыми агентными системами.
На текущий момент это Codex с GPT5-codex-high моделью.
Sonnet 4.5 честно говоря просто пиздец какой невнимательный.
Во-вторых, "вайб" я получаю только тогда, когда агент мне пишет код, который я и так бы написал.
То есть он как бы предсказывает мои желания и от этого ты получаешь неироничное чувство, что ты управляешь миром, ты становишься в какой-то мере Богом, плодящим сущности.
Отсюда же вытекает проблема — если я НЕ знаю какой код хочу написать, то код в 100% случаях ломается.
Если агент ломает то, что уже работало — это вообще вызывает ощущение фрустрации, особенно если ты не заметил в какой момент все сломалось.
Эти и подобные проблемы сильно влияют на восприятие процесса кодинга.
Поэтому вот, как мне видится, условия для того, чтобы нам дейсвительно можно было по-вайбкодить под музыку (как в том меме):
1) Нужно знать (или хотя бы чувтсовать) какой код ты хочешь написать
2) Нужно понимать архитектуру, технологический стек на котором ты пишешь
3) Нужно понимать цель для конечного продукта
И только тогда, когда ты УЖЕ все это знаешь - ты можешь на вайбе перекрасить пару кнопочек.
То есть ощущение легкости упирается в реальный опыт разработки.
Сколько это опыта?
Ну может год, два.
Тогда ты действительно можешь начать вайбовать.
До этого момента, из-за малого количества опыта, код ломается примерно на 1.5-2к строк.
Ну, а что бы продолжить писать код нужно сидеть и думать.
Но у нас так не принято, потому что думать - это минус вайб.
На скринах можно посмотреть статистику и релизы моего репозитория с приложением из курса.
Всего строк - 94к.
Добавлено за месяц - 19 500.
Убрать документацию, комментарии и остается примерно 400 строк кода в день.
Без LLM и агентов было примерно 70-80 строк в день.
Уже по факту можно утверждать - текущие агентные системы наконец дошли до уровня, который действительно дает буст разработки в 3x раз.
Теперь на реальных, коммерческих проектах, где страшно что-то сломать, надо что-то быстро чинить мы имеем просто гигантский рост производительности.
Но есть одно но.
Код - остается кодом.
Он превращается в лапшу хочешь ты этого или не хочешь.
Инфраструктура все так же падает с ошибками, которые не ты, не модель — не понимаете откуда взялись.
Все эти проблемы мешает тому самому ощущению - "вайб кодинга" о котором все говорят, потому что ты сидишь и в буквальном смысле потеешь.
Но я наконец понял, смог для себя объяснить, что это за "вайб" во время кодинга и как его получить:
Во-первых, нужно пользоваться топовыми агентными системами.
На текущий момент это Codex с GPT5-codex-high моделью.
Sonnet 4.5 честно говоря просто пиздец какой невнимательный.
Во-вторых, "вайб" я получаю только тогда, когда агент мне пишет код, который я и так бы написал.
То есть он как бы предсказывает мои желания и от этого ты получаешь неироничное чувство, что ты управляешь миром, ты становишься в какой-то мере Богом, плодящим сущности.
Отсюда же вытекает проблема — если я НЕ знаю какой код хочу написать, то код в 100% случаях ломается.
Если агент ломает то, что уже работало — это вообще вызывает ощущение фрустрации, особенно если ты не заметил в какой момент все сломалось.
Эти и подобные проблемы сильно влияют на восприятие процесса кодинга.
Поэтому вот, как мне видится, условия для того, чтобы нам дейсвительно можно было по-вайбкодить под музыку (как в том меме):
1) Нужно знать (или хотя бы чувтсовать) какой код ты хочешь написать
2) Нужно понимать архитектуру, технологический стек на котором ты пишешь
3) Нужно понимать цель для конечного продукта
И только тогда, когда ты УЖЕ все это знаешь - ты можешь на вайбе перекрасить пару кнопочек.
То есть ощущение легкости упирается в реальный опыт разработки.
Сколько это опыта?
Ну может год, два.
Тогда ты действительно можешь начать вайбовать.
До этого момента, из-за малого количества опыта, код ломается примерно на 1.5-2к строк.
Ну, а что бы продолжить писать код нужно сидеть и думать.
Но у нас так не принято, потому что думать - это минус вайб.
❤13🔥9👍1🤡1
Записал для вас видео с обзором Buisness тарифа Даталенс.
Сссылка: https://youtu.be/ChcjRNEurPQ?si=T8gZ_QFZu8AJVEhy
Сссылка: https://youtu.be/ChcjRNEurPQ?si=T8gZ_QFZu8AJVEhy
YouTube
Обзор тарифа Buisness и его возможностей
Суть видео
Ссылка на ТГ-канал: https://news.1rj.ru/str/+zUCw_Sjc_Wk3OTUy
Тайминги:
00:00 Вступление
00:50 Стилизация UI
02:00 Нейроаналитик
09:10 JS-Editor
16:00 PDF-отчеты
17:55 Статистика использования дашбордов
#даталенс #datalens
Ссылка на ТГ-канал: https://news.1rj.ru/str/+zUCw_Sjc_Wk3OTUy
Тайминги:
00:00 Вступление
00:50 Стилизация UI
02:00 Нейроаналитик
09:10 JS-Editor
16:00 PDF-отчеты
17:55 Статистика использования дашбордов
#даталенс #datalens
👍12🔥6❤1
В общем по вайб-кодингу сейчас расклад такой:
1. Сильная зависимость от опыта разработчика
Если вы изначально построили приложение/скрипты на неудачной архитектуре - агент для кодинга будет генерировать вам код подстать.
Плохая архитектура = генерируется баганый сложный код
Работает и наоборот — если изначально все детали рассчитаны, то даже без вашего участия генерируется очень качественный код уровня биг теха.
2. Лишний контекст сильно ухудшает качество моделей
MCP, длинные инструкции, спеки — это то, чем вы забиваете условную память модели и она работает в 2-3 раза хуже.
Вот исследование, которое подтверждает это для моделей Sonnet 4, GPT 4.1.
Есть еще более свежее для Sonnet 4.5 и GPT Codex, но его долго искать.
Суть исследования коротко: идеальное поведение модели, ее максимальная сила раскрывается до 2х (на современных моделях где то до 5к) токенов.
Для понимания — файл длиной 250 строк это примерно 2к токенов.
Тогда модель идеально запомнит весь код и сможет интегрировать новые куски/отрефакторить.
Поэтому не бегите за трендами, все это в основном чепуха, просто для красивой картинки.
3. Модели Claude - это overhype
Этот пункт вытекает из предыдущего, но такое заявление я делаю не голословно.
Sonnet 4.5 очень хорошо генерирует код, но у нее просто ГИГАНТСКАЯ дыра в памяти при росте контекста.
Агент посмотрел 5 файлов? - Забудет какую-то переменную или тип.
Или ошибется в инструкции, которую вы тщательно прописали.
Эти модели не сильно лучше китайских GLM 4.6, Minimax m2, но дороже буквально в 10 раз, еще и лимиты рабские.
Этот рейтинг на lmarena это и подтверждает.
У меня есть подписка на Copilot и я использую Sonnet 4.5 только для мелких правок. То есть это даже не уровень джуна.
Забавно, что из топа исчезла модель GPT-5 high, которая 2 месяца висела на 1-м месте, видимо это связано с выходом GPT-5.1.
Claude Code - решение нормальное, но не более того.
Требует огромного времени на настройку и не работает из коробки.
4. GPT-5-Codex High - единственная достойная модель (и агент по совместительству)
Просто попробуйте, если у вас есть подписка на GPT Plus.
Единственный минус это скорость выполнения задач, даже на самую простую уходит от 2-х минут.
Работает из коробки + Хороший интерфейс + В одном чате облачные и локальные задачи.
Минус в кастомизации, там че то инжинеры OpenAI все так усложнили, что лишний раз не хочется ничего менять.
Вывод:
Если кто хочет вести мощно разработку с AI, то я бы рекомендовал:
1) Отключить почти все MCP, кроме 1-2
2) В инструкциях оставить только пару самых важных правил
3) Не надеялся бы на Соннет
4) Перешел бы на Codex
5) (самое главное!) Начал бы разбираться в технологическом стеке под конкретно мою задачу
Например для ETL это воркеры, редисы, постгре, докеры и так далее.
Так что вот так.
Инструменты упрощайте, свои знания усложняйте и будет все четко .
1. Сильная зависимость от опыта разработчика
Если вы изначально построили приложение/скрипты на неудачной архитектуре - агент для кодинга будет генерировать вам код подстать.
Плохая архитектура = генерируется баганый сложный код
Работает и наоборот — если изначально все детали рассчитаны, то даже без вашего участия генерируется очень качественный код уровня биг теха.
2. Лишний контекст сильно ухудшает качество моделей
MCP, длинные инструкции, спеки — это то, чем вы забиваете условную память модели и она работает в 2-3 раза хуже.
Вот исследование, которое подтверждает это для моделей Sonnet 4, GPT 4.1.
Есть еще более свежее для Sonnet 4.5 и GPT Codex, но его долго искать.
Суть исследования коротко: идеальное поведение модели, ее максимальная сила раскрывается до 2х (на современных моделях где то до 5к) токенов.
Для понимания — файл длиной 250 строк это примерно 2к токенов.
Тогда модель идеально запомнит весь код и сможет интегрировать новые куски/отрефакторить.
Поэтому не бегите за трендами, все это в основном чепуха, просто для красивой картинки.
3. Модели Claude - это overhype
Этот пункт вытекает из предыдущего, но такое заявление я делаю не голословно.
Sonnet 4.5 очень хорошо генерирует код, но у нее просто ГИГАНТСКАЯ дыра в памяти при росте контекста.
Агент посмотрел 5 файлов? - Забудет какую-то переменную или тип.
Или ошибется в инструкции, которую вы тщательно прописали.
Эти модели не сильно лучше китайских GLM 4.6, Minimax m2, но дороже буквально в 10 раз, еще и лимиты рабские.
Этот рейтинг на lmarena это и подтверждает.
У меня есть подписка на Copilot и я использую Sonnet 4.5 только для мелких правок. То есть это даже не уровень джуна.
Забавно, что из топа исчезла модель GPT-5 high, которая 2 месяца висела на 1-м месте, видимо это связано с выходом GPT-5.1.
Claude Code - решение нормальное, но не более того.
Требует огромного времени на настройку и не работает из коробки.
4. GPT-5-Codex High - единственная достойная модель (и агент по совместительству)
Просто попробуйте, если у вас есть подписка на GPT Plus.
Единственный минус это скорость выполнения задач, даже на самую простую уходит от 2-х минут.
Работает из коробки + Хороший интерфейс + В одном чате облачные и локальные задачи.
Минус в кастомизации, там че то инжинеры OpenAI все так усложнили, что лишний раз не хочется ничего менять.
Вывод:
Если кто хочет вести мощно разработку с AI, то я бы рекомендовал:
1) Отключить почти все MCP, кроме 1-2
2) В инструкциях оставить только пару самых важных правил
3) Не надеялся бы на Соннет
4) Перешел бы на Codex
5) (самое главное!) Начал бы разбираться в технологическом стеке под конкретно мою задачу
Например для ETL это воркеры, редисы, постгре, докеры и так далее.
Так что вот так.
Инструменты упрощайте, свои знания усложняйте и будет все четко .
Trychroma
Context Rot: How Increasing Input Tokens Impacts LLM Performance
❤9🔥8👍6🤡1
Gemini 3.0 в ai studio.
Посмотрите на верстку ответа, на то как составлены предложения - это просто мед.
Не знаю как она будет в кодинге, но в любой работе с текстом (например работе с семантикой) — она на голову сильнее предыдущих моделей.
Посмотрите на верстку ответа, на то как составлены предложения - это просто мед.
Не знаю как она будет в кодинге, но в любой работе с текстом (например работе с семантикой) — она на голову сильнее предыдущих моделей.
❤8🔥6
Еще гугл решил слить конкурентов и бесплатно дает доступ к топовым моделям в своей новой IDE Antigraviti.
https://antigravity.google/
Сама IDE - форк вс кода, типа курсора.
Но посмотрите как насчет бесплатного тарифа на топовые модели?))
Понятно, что временно.
Но такой игрок, думаю, сильно может шатнуть рынок, особенно если тарифы будут приемлимые.
https://antigravity.google/
Сама IDE - форк вс кода, типа курсора.
Но посмотрите как насчет бесплатного тарифа на топовые модели?))
Понятно, что временно.
Но такой игрок, думаю, сильно может шатнуть рынок, особенно если тарифы будут приемлимые.
🔥9❤1👍1
Видимо, стоит поумерить пыл, потому что на практике новая Gemini оказалась хорошей, но не универсальной.
Сейчас видно, что у Gemini 3.0 есть две сильные стороны - это создание интерфейсов и тексты. Возможно еще пространственное мышление.
Но у нее, как и у Sonnet 4.5 страдает самый важный навык в разработке - точность.
Что бы в этом убедиться я решил провести эксперимент.
Суть эксперимента — узнать как много технических брешей в моем коде найдет модель в результате аудита кодовой базы.
Каждая модель (Gemini, Sonnet и Codex) сгенерировала файл .md с результатом аудита и объяснением проблемы.
В каждом файле я дал условное название для агента, который проводил работу, но с коротким обозначением, чтобы потом, при оценке, имя модели не влияло на результат.
Условные обозначения:
g-h-1 — Gemini High
g-l-1 — Gemini Low
s-1 и s-2 — Два прогона Sonnet 4.5 Thinking
c-1 — Codex 5.1 high
Эти отчеты я отправил на оценку в Claude, Gemini и Codex, чтобы каждая из этих моделей уже дала оценку самим отчетам.
То, что получилось - на скриншотах.
Вывод — для всех моделей отчет Codex самый технически полный.
Он буквально самый точный.
Я еще посмотрю, конечно, что будет дальше, но сейчас пока самые важные задачи по архитектуре и планированию — оставлю на Кодексе.
Сейчас видно, что у Gemini 3.0 есть две сильные стороны - это создание интерфейсов и тексты. Возможно еще пространственное мышление.
Но у нее, как и у Sonnet 4.5 страдает самый важный навык в разработке - точность.
Что бы в этом убедиться я решил провести эксперимент.
Суть эксперимента — узнать как много технических брешей в моем коде найдет модель в результате аудита кодовой базы.
Каждая модель (Gemini, Sonnet и Codex) сгенерировала файл .md с результатом аудита и объяснением проблемы.
В каждом файле я дал условное название для агента, который проводил работу, но с коротким обозначением, чтобы потом, при оценке, имя модели не влияло на результат.
Условные обозначения:
g-h-1 — Gemini High
g-l-1 — Gemini Low
s-1 и s-2 — Два прогона Sonnet 4.5 Thinking
c-1 — Codex 5.1 high
Эти отчеты я отправил на оценку в Claude, Gemini и Codex, чтобы каждая из этих моделей уже дала оценку самим отчетам.
То, что получилось - на скриншотах.
Вывод — для всех моделей отчет Codex самый технически полный.
Он буквально самый точный.
Я еще посмотрю, конечно, что будет дальше, но сейчас пока самые важные задачи по архитектуре и планированию — оставлю на Кодексе.
👍4❤2🔥1
Пытаюсь посчитать
Видимо, стоит поумерить пыл, потому что на практике новая Gemini оказалась хорошей, но не универсальной. Сейчас видно, что у Gemini 3.0 есть две сильные стороны - это создание интерфейсов и тексты. Возможно еще пространственное мышление. Но у нее, как…
Ход конем от OpenAI - выпустили Codex 5.1 Max.
Она быстрее, эффективнее расходует токены и немного сильнее в разработке, чем 5.1.
Сейчас я не вижу буквально ни одной причины пользоваться другими моделями.
Соннет и Жемени остаются только инструменты создания MVP, может жемени еще полезна для правок интерфейса.
Еще хочу сказать, что Codex это хороший пример нового витка развития ллм.
Опенаи первыми сделали модель, которая предназначена ТОЛЬКО для разработки.
Для остальных вещей она не годна.
Но это же удерживает Кодекс сильнейшей моделью на рынке уже квартал.
В общем это хороший пример нишевания.
Надеюсь, дальше мы подобные ходы увидим от остальных провайдеров.
UPD. Потестил. Это просто новый уровень, я не знаю как по другому сказать.
Видимо мы прошли какую-то точку, когда скорость и эффективность умножаются друг на друга и ощущения от кодинга совсем другие.
Она быстрее, эффективнее расходует токены и немного сильнее в разработке, чем 5.1.
Сейчас я не вижу буквально ни одной причины пользоваться другими моделями.
Соннет и Жемени остаются только инструменты создания MVP, может жемени еще полезна для правок интерфейса.
Еще хочу сказать, что Codex это хороший пример нового витка развития ллм.
Опенаи первыми сделали модель, которая предназначена ТОЛЬКО для разработки.
Для остальных вещей она не годна.
Но это же удерживает Кодекс сильнейшей моделью на рынке уже квартал.
В общем это хороший пример нишевания.
Надеюсь, дальше мы подобные ходы увидим от остальных провайдеров.
UPD. Потестил. Это просто новый уровень, я не знаю как по другому сказать.
Видимо мы прошли какую-то точку, когда скорость и эффективность умножаются друг на друга и ощущения от кодинга совсем другие.
Openai
Building more with GPT-5.1-Codex-Max
Introducing GPT-5.1-Codex-Max, a faster, more intelligent agentic coding model for Codex. The model is designed for long-running, project-scale work with enhanced reasoning and token efficiency.
1🔥8❤6
Я правильно понимаю, что Key Collector окончательно умер?
Не могу залогиниться в аккаунтах для парсинга.
Есть вообще нормальные сервисы где можно бесплатно базовые функции использовать - парсинг, группировка и очистка?
Кто чем пользуется сейчас, расскажите пожалуйста.
Ну или может уже нет смысла парсить фразы, это чисто для SEO осталось?
Не могу залогиниться в аккаунтах для парсинга.
Есть вообще нормальные сервисы где можно бесплатно базовые функции использовать - парсинг, группировка и очистка?
Кто чем пользуется сейчас, расскажите пожалуйста.
Ну или может уже нет смысла парсить фразы, это чисто для SEO осталось?
👍3❤2🔥1
Спасибо, что ответили.
Как я понял расклад такой - либо в одном месте в KeyAssort, платном, либо комбо из разных сервисов, где в одном собираешь, в другом группируешь и так далее.
Для меня это странно, потому что уже больше 3-х месяцев назад Яндекс открыл API Ворстата.
Непонятно почему его не используют сервисы.
Тот же Вордкипер - за 600 рублей ты можешь в месяц спарсить 10к фраз.
БЕСПЛАТНЫЙ API Вопрсдата дает 1к запросов в сутки для каждого аккаунта.
Это я просто для сравнения, насколько это оправданные траты.
В общем, у меня сейчас подгорает от того, что я просто базовые вещи не могу сделать, приходится самому че-то кодить.
Как я понял расклад такой - либо в одном месте в KeyAssort, платном, либо комбо из разных сервисов, где в одном собираешь, в другом группируешь и так далее.
Для меня это странно, потому что уже больше 3-х месяцев назад Яндекс открыл API Ворстата.
Непонятно почему его не используют сервисы.
Тот же Вордкипер - за 600 рублей ты можешь в месяц спарсить 10к фраз.
БЕСПЛАТНЫЙ API Вопрсдата дает 1к запросов в сутки для каждого аккаунта.
Это я просто для сравнения, насколько это оправданные траты.
В общем, у меня сейчас подгорает от того, что я просто базовые вещи не могу сделать, приходится самому че-то кодить.
❤5👍2
Кто активно вайбкодит - для вас предложение.
Есть темка с агентом для разработки Codex — можно получить за 500 р в месяц лимиты уровня Pro тарифа, который стоит 200$.
Схема будет работать долго, в самом худшем сценарии вместо 500 р, будет стоить 2к в месяц, как обычная подписка Plus.
По цене - 30к.
Скидка 10к, если вы у меня до этого покупали курсы по: а) питону б) автоматизации.
Полная предоплата.
Передаю лично в руки при звонке.
Кому интересно - пишите в личку @tonyornot
Есть темка с агентом для разработки Codex — можно получить за 500 р в месяц лимиты уровня Pro тарифа, который стоит 200$.
Схема будет работать долго, в самом худшем сценарии вместо 500 р, будет стоить 2к в месяц, как обычная подписка Plus.
По цене - 30к.
Скидка 10к, если вы у меня до этого покупали курсы по: а) питону б) автоматизации.
Полная предоплата.
Передаю лично в руки при звонке.
Кому интересно - пишите в личку @tonyornot
Openai
OpenAI Codex
Codex is OpenAI’s series of AI coding tools that help developers move faster by delegating tasks to powerful cloud and local coding agents.
👎3❤1👍1🔥1
Пытаюсь посчитать
Кто активно вайбкодит - для вас предложение. Есть темка с агентом для разработки Codex — можно получить за 500 р в месяц лимиты уровня Pro тарифа, который стоит 200$. Схема будет работать долго, в самом худшем сценарии вместо 500 р, будет стоить 2к в месяц…
Telegram
NN
OpenAI внезапно выпустили GPT 5.2 — свою новую флагманскую модель. По качеству выполнения задач она обходит профи в 44 областях.
GPT 5.2 особенно хороша в написании кода и математике. В бенчмарке ARC AGI 2 она набрала 52.9%, а в SWE-Bench Verified — 80%.…
GPT 5.2 особенно хороша в написании кода и математике. В бенчмарке ARC AGI 2 она набрала 52.9%, а в SWE-Bench Verified — 80%.…
Как найти работу в IT с помощью аналитики данных?
Оптимальным выбором для старта в АйТи является именно аналитика данных:
- вход в профессию проще, чем в разработку
- спрос на специалистов растет каждый год
- первое приглашение на работу можно получить всего за несколько месяцев обучения
При этом вы наверняка слышали про толпы желающих попасть в аналитику? Это не совсем так, в реальности конкуренция из хороших кандидатов очень маленькая. Поэтому если вы думаете о начале карьеры в IT и не хотите утонуть в изучении информации о профессии и о том как стоит выстроить обучение, для вас классная новость:
Ребята из Simulative проведут бесплатный вебинар вместе с Денисом Ивановым - опытным аналитиком, который помог более чем 100 новичкам войти в профессию.
Что будет на вебинаре:
🕖 При регистрации вы получите бонус - инструмент, который поможет понять насколько вам подходит аналитика.
😶 Регистрируйтесь на бесплатный вебинар
Оптимальным выбором для старта в АйТи является именно аналитика данных:
- вход в профессию проще, чем в разработку
- спрос на специалистов растет каждый год
- первое приглашение на работу можно получить всего за несколько месяцев обучения
При этом вы наверняка слышали про толпы желающих попасть в аналитику? Это не совсем так, в реальности конкуренция из хороших кандидатов очень маленькая. Поэтому если вы думаете о начале карьеры в IT и не хотите утонуть в изучении информации о профессии и о том как стоит выстроить обучение, для вас классная новость:
Ребята из Simulative проведут бесплатный вебинар вместе с Денисом Ивановым - опытным аналитиком, который помог более чем 100 новичкам войти в профессию.
Что будет на вебинаре:
🟠 Кто такие аналитики и как они меняют бизнес🟠 На что влияет аналитик и почему это востребовано в любой сфере🟠 Пошаговый план перехода - что учить, как избежать ошибок новичка🟠 Навыки и инструменты, которые реально нужны, чтобы найти первую работу🟠 Реальные кейсы трудоустройства - что делать, чтобы трудоустроиться быстро
🕖 При регистрации вы получите бонус - инструмент, который поможет понять насколько вам подходит аналитика.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1🔥1🫡1
Пытаюсь посчитать
Как найти работу в IT с помощью аналитики данных? Оптимальным выбором для старта в АйТи является именно аналитика данных: - вход в профессию проще, чем в разработку - спрос на специалистов растет каждый год - первое приглашение на работу можно получить…
Извиняюсь, что подряд рекламные посты идут. Пока есть возможность зарабатываю на новогодние подарки.
Про пост выше хочу сказать - я проходил курс в 21 году по ML и у нас блок по аналитике вел основатель этой платформы Андрон Алексанян, в том числе благодаря которому мой «вкат» в айти прошел гладко, потому что было интересно и норм подано.
Не могу ручаться за всю платформу Simulative, тут уже сами решайте, но вот такое впечатление у меня осталось еще с того момента.
Про пост выше хочу сказать - я проходил курс в 21 году по ML и у нас блок по аналитике вел основатель этой платформы Андрон Алексанян, в том числе благодаря которому мой «вкат» в айти прошел гладко, потому что было интересно и норм подано.
Не могу ручаться за всю платформу Simulative, тут уже сами решайте, но вот такое впечатление у меня осталось еще с того момента.
1❤14👍9🔥8
Пытаюсь посчитать
В общем по вайб-кодингу сейчас расклад такой: 1. Сильная зависимость от опыта разработчика Если вы изначально построили приложение/скрипты на неудачной архитектуре - агент для кодинга будет генерировать вам код подстать. Плохая архитектура = генерируется…
Давайте я попробую продолжить разговор так, чтобы не вдаваться в детали и сэкономить сотни часов вайб-кодерам ньюфагам.
И так, у нас сейчас есть куча "знаний" по работе с агентами, по выбору модели и по всему, что сейчас на хайпе в AI разработке.
На ютубе таких видео сотни, где на обложке чел с логотипом Антропика или Курсора расскзаывает как правильно работать со Skills, MCP и прочим.
Мой первый тейк заключается в том, что тратить на это время просто бессмыслено.
Во-первых, эти видео выпускают тупо ради просмотров, потому что хайп.
Во-вторых, инженерия вокруг агентов постоянно меняется. Чем сильнее модель, тем меньше ее надо смазывать.
Поэтому просто скипайте эти видео, иначе будете думать не о том, что на самом деле поможет в разработке.
Второй тейк.
Я понимаю, что вам хочется написать что-то свое, но вообще-то мы не самые умные и до нас много чего написано.
Ваша идея скорей всего уже лежит где-то на GitHub.
Не тратьте время на написание кода, просто возьмите готовый, либо сделайте форк и дополните под себя.
Третий тейк.
То, что вам действительно сэкономит время - это понимание основ того, с чем вы работаете.
Пишите ТГ-бота?
Просто изучите основы питона и работы докера.
Есть объемные фоновые задачи типа выгрузки данных на бекенде?
Разберитесь в том, как работает Redis, как работают воркеры в Celery.
Ну и так далее.
Для вашего конкретного проекта вам нужны вполне конкретные знания, которые вы обязаны понимать.
Я делаю так - у меня есть папка tests, где я в сотнях папок регулярно создаю простые Hello World вещи для каждой технологии, которую изучаю.
После первой успешной опробации уже внедряю ее в код и смотрю как эта технология себя ведет, так сказать на проде.
Понять какую технологию вам изучать можно предварительно пообщавшись с любой Thinking моделью, подойдет даже бесплатный DeepSeek.
Изучать технологии я рекомендую в Notebook LM. Сначала генерируйте короткий подкаст, дальше Mindmap, дальше уже пробуете внедрить.
База, которую вам 100% надо знать — синтаксис языка, Github и Docker.
Четвертый тейк.
Это самое важное.
Когда пишите свою аппку, скрипт - не торопитесь.
Разработка как была сложной, так ей и остается.
Выше головы все равно не прыгнешь и чтобы просить у модели рабочий код - нужно знать, что просить.
Потихоньку внедряйте что-то новое, у вас появится общее понимание работы и вашего приложения и как вести разработку в целом.
И помните, что модели УЖЕ решают задачи по олимпиадному программированию и математике.
Они УЖЕ сильней нас в логике на узких задачах.
Так, что если модель задачу не решила - это не она тупая, это мы.
И так, у нас сейчас есть куча "знаний" по работе с агентами, по выбору модели и по всему, что сейчас на хайпе в AI разработке.
На ютубе таких видео сотни, где на обложке чел с логотипом Антропика или Курсора расскзаывает как правильно работать со Skills, MCP и прочим.
Мой первый тейк заключается в том, что тратить на это время просто бессмыслено.
Во-первых, эти видео выпускают тупо ради просмотров, потому что хайп.
Во-вторых, инженерия вокруг агентов постоянно меняется. Чем сильнее модель, тем меньше ее надо смазывать.
Поэтому просто скипайте эти видео, иначе будете думать не о том, что на самом деле поможет в разработке.
Второй тейк.
Я понимаю, что вам хочется написать что-то свое, но вообще-то мы не самые умные и до нас много чего написано.
Ваша идея скорей всего уже лежит где-то на GitHub.
Не тратьте время на написание кода, просто возьмите готовый, либо сделайте форк и дополните под себя.
Третий тейк.
То, что вам действительно сэкономит время - это понимание основ того, с чем вы работаете.
Пишите ТГ-бота?
Просто изучите основы питона и работы докера.
Есть объемные фоновые задачи типа выгрузки данных на бекенде?
Разберитесь в том, как работает Redis, как работают воркеры в Celery.
Ну и так далее.
Для вашего конкретного проекта вам нужны вполне конкретные знания, которые вы обязаны понимать.
Я делаю так - у меня есть папка tests, где я в сотнях папок регулярно создаю простые Hello World вещи для каждой технологии, которую изучаю.
После первой успешной опробации уже внедряю ее в код и смотрю как эта технология себя ведет, так сказать на проде.
Понять какую технологию вам изучать можно предварительно пообщавшись с любой Thinking моделью, подойдет даже бесплатный DeepSeek.
Изучать технологии я рекомендую в Notebook LM. Сначала генерируйте короткий подкаст, дальше Mindmap, дальше уже пробуете внедрить.
База, которую вам 100% надо знать — синтаксис языка, Github и Docker.
Четвертый тейк.
Это самое важное.
Когда пишите свою аппку, скрипт - не торопитесь.
Разработка как была сложной, так ей и остается.
Выше головы все равно не прыгнешь и чтобы просить у модели рабочий код - нужно знать, что просить.
Потихоньку внедряйте что-то новое, у вас появится общее понимание работы и вашего приложения и как вести разработку в целом.
И помните, что модели УЖЕ решают задачи по олимпиадному программированию и математике.
Они УЖЕ сильней нас в логике на узких задачах.
Так, что если модель задачу не решила - это не она тупая, это мы.
👍13❤4🔥3
Если вы ждали знак, что пора обновлять свои навыки — он вот. Открыта регистрация на пятый поток курса «Яндекс Реклама со звёздочкой».
Если раньше это был продвинутый курс, то теперь — ещё и площадка для изучения ИИ-инструментов. Яндекс впервые запускает материалы с нейроаватарами спикеров и переносит всё на новую платформу Яндекс Ярд.
Участие бесплатное. Главная фишка: вы не просто изучаете инструменты, а учитесь мыслить стратегически. Разбираете не «как нажать кнопку», а «как принять решение, когда стандартные подходы не работают».
Что будет в программе:
👉 Стратегии
👉 Новые места показа
👉 ИИ-инструменты
👉 Ecommerce
👉 Аналитика
👉 Качество трафика
Обучение длится 8 недель — один модуль на неделю. Формат смешанный: видео, тесты, Q&A-сессии с экспертами, Digital Day онлайн, офлайн-хакатон для лучших участников закрытого потока и Гран-при победителю.
Для кого этот курс: для опытных специалистов по контекстной рекламе. Для тех, кто ведёт проекты, управляет командами или работает с несколькими сложными клиентами одновременно.
Если хотите просто получить знания, регистрируйтесь на открытый поток. Если готовы к челленджу, практике и обратной связи от экспертов — проходите отбор на закрытый. Лучшие получат приглашение на хакатон с реальными кейсами и призами.
«Звёздочка» — это не просто курс. Это профессиональное сообщество, где специалисты растут вместе и обмениваются опытом. Если чувствуете, что переросли базовые курсы и готовы к следующему уровню, вам сюда.
Регистрация уже открыта
Если раньше это был продвинутый курс, то теперь — ещё и площадка для изучения ИИ-инструментов. Яндекс впервые запускает материалы с нейроаватарами спикеров и переносит всё на новую платформу Яндекс Ярд.
Участие бесплатное. Главная фишка: вы не просто изучаете инструменты, а учитесь мыслить стратегически. Разбираете не «как нажать кнопку», а «как принять решение, когда стандартные подходы не работают».
Что будет в программе:
👉 Стратегии
👉 Новые места показа
👉 ИИ-инструменты
👉 Ecommerce
👉 Аналитика
👉 Качество трафика
Обучение длится 8 недель — один модуль на неделю. Формат смешанный: видео, тесты, Q&A-сессии с экспертами, Digital Day онлайн, офлайн-хакатон для лучших участников закрытого потока и Гран-при победителю.
Для кого этот курс: для опытных специалистов по контекстной рекламе. Для тех, кто ведёт проекты, управляет командами или работает с несколькими сложными клиентами одновременно.
Если хотите просто получить знания, регистрируйтесь на открытый поток. Если готовы к челленджу, практике и обратной связи от экспертов — проходите отбор на закрытый. Лучшие получат приглашение на хакатон с реальными кейсами и призами.
«Звёздочка» — это не просто курс. Это профессиональное сообщество, где специалисты растут вместе и обмениваются опытом. Если чувствуете, что переросли базовые курсы и готовы к следующему уровню, вам сюда.
Регистрация уже открыта
👍5❤3🔥2👎1🤡1
Всех с наступающим!
2026 год будет интересным, поэтому желаю себе и вам - терпения и мудрости.
Готовимся)
2026 год будет интересным, поэтому желаю себе и вам - терпения и мудрости.
Готовимся)
👍21🔥14❤12👎1